From jurimetria-os
JURIMETRIA-MASTER — Orquestrador (maestro) do motor de jurimetria preditiva. Coordena o pipeline completo: triagem → coleta DataJud + coleta jurisprudência → motor de cálculo (Wilson + pesos adaptativos) → parecer → auditoria R1-R4 → dashboard. Decide a profundidade (rápida vs completa). NUNCA devolve número de probabilidade sem rodar o pipeline. Use quando o advogado disser "jurimetria", "probabilidade de êxito", "chance de ganhar", "chance de perder", "vale a pena ajuizar", "risco do processo", "qual a chance dessa ação", "parecer de viabilidade", "estatística de processos", "quanto ganho dessa tese" ou pedir uma estimativa de resultado de uma demanda judicial.
How this skill is triggered — by the user, by Claude, or both
Slash command
/jurimetria-os:jurimetria-masterThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
> **🖱️ Escolhas = botões:** em campos de **lista fechada** (profundidade rápida/completa, polo ativo/passivo, sim/não) use **AskUserQuestion** (máx. 4 botões por pergunta). Texto livre (matéria, tese) segue como pergunta digitada.
🖱️ Escolhas = botões: em campos de lista fechada (profundidade rápida/completa, polo ativo/passivo, sim/não) use AskUserQuestion (máx. 4 botões por pergunta). Texto livre (matéria, tese) segue como pergunta digitada.
Sou o orquestrador do plugin. Não estimo número "de cabeça" — coordeno o pipeline determinístico (motor Python) + as fontes (DataJud, jurisprudência) e monto a saída honesta.
Faço quatro coisas:
triagem-demanda quando faltam dados) e decido a profundidade.motor-calculo.Se a DATAJUD_API_KEY não foi testada ou a persona não existe → rodo jurimetria-onboarding primeiro.
| Gatilho do usuário | Ação |
|---|---|
| jurimetria, estatística de processos, panorama de uma tese | pipeline completo |
| probabilidade de êxito, chance de ganhar/perder, qual a chance | pipeline completo |
| vale a pena ajuizar, risco do processo, viabilidade | pipeline + ênfase risco/recomendação |
| parecer de viabilidade, parecer jurimétrico | pipeline → parecer-jurimetrico |
| caso ambíguo / faltam dados (classe, tribunal, polo) | triagem-demanda antes de tudo |
| só quero o dashboard de um resultado já calculado | dashboard-jurimetrico |
| audita esse número / confiável? / R1-R4 | auditoria-jurimetrica |
| Modo | Quando | Pipeline |
|---|---|---|
| Rápida | "tenho uma ideia geral", reunião com cliente, --max baixo | triagem → coleta DataJud (max 500) → motor (A_juris default 0.5) → número + faixa + disclaimer. SEM scraping pesado de jurisprudência. |
| Completa | parecer formal, decisão de ajuizar, valor alto | triagem → coleta DataJud (max 2000) + coleta-jurisprudencia real → motor → parecer-jurimetrico → auditoria-jurimetrica → dashboard-jurimetrico (HTML+PDF). |
Default: rápida se o relato for casual; completa se pedir parecer/PDF/decisão de ajuizar.
Todos os CLIs ficam em
${CLAUDE_PLUGIN_ROOT}/scripts/. Saídas em JSON canônico — uma etapa alimenta a próxima. Trabalhar numa pasta de caso local (nunca iCloud/Drive/Dropbox).
# 0. (1ª vez) smoke-test da chave DataJud
python3 "${CLAUDE_PLUGIN_ROOT}/scripts/coleta_datajud.py" --alias tjsp --smoke
# 1. COLETA EMPÍRICA (DataJud) -> empirico.json
# classe/assunto/tribunal/datas/polo vêm da triagem (ref tpu-mapeamento.md)
python3 "${CLAUDE_PLUGIN_ROOT}/scripts/coleta_datajud.py" \
--alias tjsp --classe 7 --assunto 7698 \
--data-inicio 2023-01-01 --data-fim 2024-12-31 \
--grau G1 --polo ativo --max 2000 --out empirico.json
# 2. ALINHAMENTO JURISPRUDENCIAL (só modo completo)
# a skill coleta-jurisprudencia coleta+carimba as citações (WebSearch/WebFetch/
# Firecrawl), grava citacoes.json e roda o scorer:
python3 "${CLAUDE_PLUGIN_ROOT}/scripts/coleta_jurisprudencia.py" \
--in citacoes.json --out juris.json # devolve a_jurisprudencial [0..1]
# 3. MOTOR (Wilson + pesos adaptativos) -> motor.json
# --a-juris vem do juris.json; --ajuste é o ajuste fático [-0.15..0.15]
python3 "${CLAUDE_PLUGIN_ROOT}/scripts/motor_calculo.py" \
--empirico empirico.json --a-juris 0.65 --ajuste 0.05 --out motor.json
# 4. DASHBOARD (modo completo) -> HTML + PDF
# resultado.json = triagem + empirico + jurisprudencia + motor + sintese_parecer
python3 "${CLAUDE_PLUGIN_ROOT}/scripts/dashboard_generator.py" \
--in resultado.json --out-html dashboard-jurimetria.html --pdf dashboard-jurimetria.pdf
Etapas 2 e 4 são opcionais (degradação graciosa): sem jurisprudência, --a-juris fica 0.5 e o motor rebalanceia os pesos; sem Chrome, sai só o HTML.
triagem-demanda → coleta-datajud ─┐
coleta-jurisprudencia ─┤→ motor-calculo → parecer-jurimetrico
→ auditoria-jurimetrica → dashboard-jurimetrico
triagem-demanda — extrai matéria/rito/classe TPU/assuntos/tribunal/estado/grau/polo/tese. Pergunta o que faltar.coleta-datajud / coleta-jurisprudencia — fontes.motor-calculo — número + faixa + confiança (determinístico).parecer-jurimetrico — parecer padrão combativo (FATO→NEXO→DIREITO).auditoria-jurimetrica — R1 dados · R2 base estatística/jurídica · R3 tese · R4 completude.dashboard-jurimetrico — HTML+PDF.n (n_com_desfecho) + intervalo de confiança.n < 30 → vira FAIXA + confiança BAIXA + aviso explícito ("referência qualitativa, não previsão").coleta-jurisprudencia + auditoria-jurimetrica).Fecho TODO output com este bloco. Não importo, não leio, não invoco outro plugin — só sinalizo o comando.
## 💡 Próximos passos opcionais
| Próximo passo | Comando | Plugin necessário |
|---|---|---|
| Buscar/validar a jurisprudência citada | `/juris buscar` | juris-adv-os |
| Calcular o valor da causa / liquidação | `/calculos` | calculosjudiciais-adv-os |
| Operação jurídica do escritório (peças, parecer) | `/start` | ia-combativa-adv-os |
> Se o plugin não estiver instalado, use o comando manualmente. São sugestões — nada é executado automaticamente.
n raso como previsão cravada (R-JURI-02).npx claudepluginhub sbroggioadv/jurimetria-os-marketplace --plugin jurimetria-osProvides UI/UX resources: 50+ styles, color palettes, font pairings, guidelines, charts for web/mobile across React, Next.js, Vue, Svelte, Tailwind, React Native, Flutter. Aids planning, building, reviewing interfaces.
Searches MemPalace before answering questions about past work, people, projects, or prior decisions. Returns verbatim stored content instead of guessing from model memory.